CN101080013A - 一种基于预测编码的jpeg无损压缩图像隐写方法 - Google Patents

Abstract

本发明公开一种基于预测编码的JPEG无损压缩图像的隐写方法，属于多媒体信号处理领域。本方法在JPEG无损压缩图像中嵌入数据时，首先进行Huffman解码，得到预测误差；然后将机密数据嵌入在预测误差中；最后再对修改后的预测误差进行Huffman编码，以生成JPEG无损编码的密文图像。嵌入时利用模运算，不但降低了由于数据嵌入对载体图像的改动，保持了较高的密文图像质量；而且使得嵌入数据即存在于无损压缩的JPEG码流中，又存在于解压缩后的密文图像中。此外，交替的嵌入方法，很好地保持了载体图像的预测误差值的直方图特征，因而能够抵抗各种基于直方图分析的攻击。

Description

一种基于预测编码的JPEG无损压缩图像隐写方法

技术领域

本发明是属于多媒体信号处理领域，具体涉及一种基于预测编码的JPEG无损压缩图像的隐写方法。

背景技术

随着多媒体信号处理技术的不断进步，信息隐藏正在越来越多地被应用到信息安全领域。对于数字图像的隐写主要有两种方法，即空域和变换域方法。空域最典型的隐写算法是LSB替代法，该算法简单易行，但早已被攻破。作为变换域的隐写算法可分为：基于DFT、DCT和DWT三种，其中大部分是针对基于DCT的JPEG有损压缩图像，代表算法有：J-Steg、F5、OutGuess、Model-Based等，但这些算法都相继被攻破。

对基于预测编码的JPEG无损压缩图像的隐写算法，至今还没有学者提出，只有一些用于图像压缩的基于预测编码的隐写算法，但却不能直接运用JPEG无损压缩图像中，而且还存在着密文图像质量差，抗攻击能力弱等缺点，所以缺乏实用价值。

相关的参考对比文献有以下2篇：

[1].Yuan-Hui Yu，Chin-Chen Chang，Yu-Chen Hu.Hiding secret data inimages via predictive coding.Pattern Recognition Vol.38，2005，pp.691-705

[2].Guangjie Liu，Yuewei Dai，Zhiquan Wang.BreakingPredictive-Coding-Based Steganography and Modification for EnhancedSecurity.IJCSNS International Journal of Computer and Network Security，Vol.6，No.3B March 2006，pp.144-149.

发明内容

本发明克服了现有的基于预测编码的隐写算法的密文图像质量差、抗攻击能力弱等缺点，提出一种嵌入数据量大、密文图像质量好、对图像统计特征破坏小的基于预测编码的JPEG无损压缩图像隐写方法。

为了实现上述目的，本发明方法所采用的技术方案如下：一种基于预测编码的JPEG无损压缩图像隐写方法，包括机密数据的嵌入和提取两个过程。JPEG无损压缩的载体图像先经过Huffman解码，恢复出预测误差值，并对其进行更新；然后将机密数据嵌入在更新后的预测误差中；最后将嵌入数据后的预测误差值再进行Huffman编码，生成JPEG无损压缩的密文图像。

嵌入时需要三个数据：①未经预测编码的当前像素灰度值x、②由邻近的嵌入后的像素(a、b、c)对当前像素的预测值

③当前像素待嵌入的h位机密序列转换成的十进制数d。其中x和

是在嵌入过程中暂存起来的，为此设计了一种先进先出的、长度为N+1(N为图像每行的像素数目)的链表队列，如图2所示，该队列所有节点的初始化值为128。因为这种队列的长度限制为N+1，所以在任何时刻，它的第一、第二、以及最后一个值分别对应于预测器模板(如图3所示)内的a、b、c像素值。在本发明中，需要使用两个这样的队列，其中一个用于暂存载体图像的灰度值；另一个用于暂存嵌入后的密文图像的灰度值，具体嵌入过程如下：

(1)从载体图像的队列中读取a、b、c的值，根据选择的预测器类型(由JPEG文件的标记段得到)，计算当前像素的预测值。

(2)JPEG无损压缩的源图像经过Huffman解码就得到嵌入前的预测误差值，该值加上第(1)步得出的预测值就是载体图像当前像素的灰度值x，并将计算结果x压入载体图像的队列以用于恢复载体图像的后续像素的灰度值。

(3)从密文图像的队列中读取另外的a、b、c的值，同样再计算预测值

然后，第(2)步得出的实际值x减去该预测值

得到更新后的预测误差值 $e=x-\hat{x}.$

(4)将机密数据嵌入到更新后的预测误差值e中。

(5)预测误差经过数据嵌入后由e变为e′，对e′进行Huffman编码，以生成JPEG无损压缩的密文图像码流。

(6)计算嵌入后的密文图像当前像素的灰度值 $s=\hat{x}+e^{\′},$ 并将其压入到密文图像的队列中，以用于嵌入后续的邻近像素。

其中，嵌入步骤(4)是本发明方法嵌入过程的主要步骤。假设嵌入率为每像素h位，h位二进制序列转换成十制数为d。嵌入方法的主要思想是，在e′mod2^h＝d和 $0\≤e^{\′}+\hat{x}\≤255$ 的条件下，使得嵌入前后的预测误差e和e′的差值的绝对值最小，即

$e^{\′}=\underset{0\≤e^{\′}+\hat{x}\≤255}{\underset{e^{\′}\mathrm{med}{2}^h=d}{\arg \min }}|e-e^{\′}|$

详细的嵌入流程如图5所示，其中mod是模运算，它的运算结果一直为正，对负值e′，相当于e′先加上255后再作模运算。首先计算待嵌入秘密信息d与预测误差模运算后的差值m＝d-emod2^h，然后作如下判断：

1)若m＝0，则预测误差e无需修改，直接取e′＝e。

2)若|m|＜2^h-1，则预测误差e要加上m，取e′＝e+m。

3)若|m|＝2^h-1，则预测误差e交替地加上2^h-1或者减去2^h-1，换言之，对于相同的e值，若前一次加上2^h-1，则下一次减去2^h-1，反之亦然。

4)若m＞2^h-1，则预测误差e要加上m-2^h，取e′＝e+m-2^h。

5)若m＜-2^h，则预测误差e要加上m+2^h，取e′＝e+m+2^h。

最后，要检查数据嵌入是否造成了图像灰度值超出[0，255]的范围，若 $\hat{x}+e^{\′}>255,$

则e′＝e′-2^h；若 $\hat{x}+e^{\&prime;}<0,$ 则e′＝e′+2^h。

本发明方法具体的提取过程是JPEG无损压缩的密文图像先经过Huffman解码，得出嵌入后的预测误差值e′；然后作模运算求出嵌入的数据d，并将它转换成二进制序列。其中d＝e′mod2^h。

本发明方法的有益效果是：密文图像质量好、图像统计特性破坏小、算法安全性高、实用性强。

附图说明

图1是本发明方法的嵌入过程示意框图。

图2是本发明方法的提取过程示意框图。

图3是本发明中设计的链表队列。

图4是JPEG标准中定义的预测器模板。

图5是本发明方法的详细嵌入流程图。

图6是本发明方法的一个实施例，(a)发送端；(b)接收端。

图7是本方法实施例所使用的图像，(a)载体图像Lena；(b)嵌入的秘密图像(中大logo)。

图8实验图像数据；(a)原始载体图像图7(a)的灰度值；(b)原始载体图像预测误差值；(c)嵌入后密文图像图7(b)预测误差值；(d)嵌入后密文图像灰度值。

图9是采用PCB和本发明方法嵌入后的预测误差直方图比较，其中密文图像是用随机序列以每个像素2位对Lena图像进行满嵌入；图9(a)是嵌入前的预测误差直方图；图9(b)是用PCB算法嵌入后的预测误差直方图；图9(c)是采用本发明该当嵌入后的预测误差直方图。

图10是χ²分析方法对(a)PCB和(b)本发明方法的测试结果，其中密文图像是用随机序列以每个像素1位对Lena图像进行满嵌入。

具体实施方式

下面结合实施例和附图对本发明作进一步说明。

如图1至图6所示，本发明方法的嵌入过程如下：

首先，选择要传递的秘密信息，可以是文字、图像、音频等任何文件，并将其转换成二进制序列。本例以如图6(b)所示95×90的灰度图像作为秘密信息，文件大小为1142字节，对其进行加密并转换成二进制序列为01000010…0，共9136位。

其次，选择一幅JPEG无损压缩的载体图像，图像的尺寸可以秘密信息的长度作为参考，即要选取合适的嵌入率h。本例以如图7(a)所示512×512×8bits的Lena图像作为载体图像，其总文件大小为169140字节，灰度值如图8(a)所示。由于该图像压缩采用的是JPEG标准中定义的预测器1，即预测值取为 $\hat{x}=a$ (见图4中的预测器模板)，所以Huffman编码前的预测误差值如图9(b)所示。计算嵌入率h＝9136/(512×512)＝0.035，嵌入时取h＝1，即每个像素嵌入1位。

然后，利用本发明的嵌入方法，将二进制序列嵌入到载体图像中。具体过程为：

a)第1个像素的预测值为128，加上预测误差34，得出原始载体图像灰度值为x＝128+34＝162；密文图像的预测值为 $\hat{x}=128,$ 于是更新后的预测误差仍为e＝162-128＝34。由于当前像素要嵌入“0”，即d＝0，根据嵌入公式得出嵌入后的预测误差为e′＝34，所以嵌入后密文图像的第1个像素灰度值仍为s＝128+34＝162。

b)第2个像素的预测值为162，加上预测误差0，得出原始载体图像灰度值为x＝162+0＝162；密文图像的预测值为 $\hat{x}=162,$ 于是更新后的预测误差为e＝162-162＝0。由于当前像素要嵌入“1”，即d＝1，根据嵌入公式得出嵌入后的预测误差为e′＝1，所以嵌入后密文图像的第2个像素灰度值为s＝162+1＝163。

c)第3个像素的预测值为162，加上预测误差0，得出原始载体图像灰度值为x＝162+0＝162；密文图像的预测值为 $\hat{x}=163,$ 于是更新后的预测误差为e＝162-163＝-1。由于当前像素要嵌入“0”，即d＝0，根据嵌入公式得出嵌入后的预测误差为e′＝0，所以嵌入后密文图像的第3个像素灰度值为s＝163+0＝163。

d)第4个像素的预测值为162，加上预测误差-1，得出原始载体图像灰度值为x＝162-1＝161；密文图像的预测值为 $\hat{x}=163,$ 于是更新后的预测误差为e＝161-163＝-2。由于当前像素要嵌入“0”，即d＝0，根据嵌入公式得出嵌入后的预测误差为e′＝-2，所以嵌入后密文图像的第4个像素灰度值为s＝163-2＝161。

e)……

依此类推，处理完载体图像的每一个像素，最后得到JPEG无损压缩的密文图像，相对于原始载体图像的峰值信噪比为65.79dB，其文件大小为169215字节。由此可见应用本方法隐藏信息后，对载体图像的改动很小。

嵌入后的密文图像经过信道(可以是网络，无线等)传输到接收端(如图6(b)所示)。在接收端的提取操作如下：

首先，利用本发明的提取方法，从接收的密文图像中提取出9136位的二进制序列。具体过程为：

a)读取密文图像的第1个预测误差值e′＝34，根据提取公式，计算得出d＝0；

b)读取密文图像的第2个预测误差值e′＝1，根据提取公式，计算得出d＝1；

c)读取密文图像的第3个预测误差值e′＝0，根据提取公式，计算得出d＝0；

d)读取密文图像的第4个预测误差值e′＝-2，根据提取公式，计算得出d＝0；

e)……

以此类推，即可提取9136位的序列01000010…0。

最后，根据嵌入的加密方法对提取出的二进制序列解密，并重组回图像文件，达到数据的无失直、秘密的传递。

由于本发明方法具有较高的安全性，攻击者很难从信道中截获的图像侦测出是否隐藏信息，即使他按本发明的方法对截获的每幅图像都进行提取，因为嵌入的秘密信息已经加了密，所以他只能得到无意义的二进制序列。实际上，由于传输信道(如网络)中存在无数多的图像，所以攻击对每幅图像都提取是不切实际的。因此，可以说本发明的具有实际应用意义，能够提高秘密通信的安全性。

下面是本发明方法与文献[1]中的基于预测编码的隐写算法(以下简称PCB算法)相比所具有的优点：

1.密文图像质量好。

表1给出了Lena图像(如图6(a)所示)分别采用PCB和本发明方法在不同嵌入率时的密文图像PSNR值(单位：dB)，其中h表示每个像素嵌入的位数，测试密文图像是用随机序列对Lena图像进行满嵌入。从表1可以看出采用本发明方法嵌入后的密文图像质量明显优于采用PCB算法嵌入后的密文图像。

表1用PCB和本发明方法嵌入的密文图像的PSNR值(单位：dB)

隐写算法	h＝1	h＝2	h＝3	h＝4
					PCB	51.14	44.31	38.10	32.03
本发明方法	51.15	46.37	40.71	34.81

2.图像统计特性破坏小。

图9画出了Lena图像采用PCB算法和本发明方法嵌入后的预测误差值的直方图的比较，其中密文图像的嵌入率为每个像素2位。图9(a)是嵌入前的预测误差直方图。图9(b)是用PCB算法嵌入后的预测误差直方图，在该图中可以清楚地看到相邻误差值的出现频率趋于相等，或者说，在直方图上出现了明显的阶梯，留下了嵌入的痕迹，影响了算法的安全性。图9(c)是用本发明方法嵌入后的预测误差直方图，与图9(a)相比，图9(c)变化较小，仍然保持平滑的轮廓，所以安全性高。

3.算法安全性高。

χ²分析方法常用来测试隐写算法的安全性。用PCB和JLS算法分别以每个像素1位的强度嵌入到Lena图像，用χ²分析方法针对这两种密文图像的预测误差值进行测试，结果如图10(a)和10(b)所示，其中，横轴为测试所用的预测误差的个数与总的预测误差个数(或图像总像素)的比例，纵轴为测试图像被隐写的概率。从图10(a)可以看出，用χ²分析方法很容易从载体图像中区分出PCB嵌入的密文图像。而图10(b)说明χ²分析方法对JLS算法不再有效。因此，JLS算法的安全性确实比PCB算法高。

4.实用性强。

PCB算法只能作为一种学术研究，并不能直接应用到某种格式的图像中，而本发明直接针对JPEG无损压缩图像进行研究，具有一定的实用价值。

Claims (5)

1、一种基于预测编码的JPEG无损压缩图像隐写方法，包括机密数据的嵌入和提取两个过程，其特征是所述机密数据的嵌入过程包括以下步骤：

a.对JPEG无损压缩的载体图像进行Huffman解码，恢复出预测误差值；

b.将机密数据嵌入在预测误差中；

c.将改动后的预测误差值再进行Huffman编码，生成JPEG无损压缩的密文图像；

所述机密数据的提取过程包括以下步骤：

a.对JPEG无损压缩的密文图像进行Huffman解码，得出嵌入后的预测误差值e′；

b.作模运算求出嵌入的数据d，并将它转换成二进制数序列。

2、根据权利要求1所述的JPEG无损压缩图像隐写方法，其特征是所述机密数据嵌入时需要三个数据：①未经预测编码的当前像素灰度值x；②由邻近的嵌入后的像素(a、b、c)对当前像素的预测值 ；③当前像素待嵌入的h位机密序列转换成的十进制数d。

3、根据权利要求2所述的JPEG无损压缩图像隐写方法，所述x和

是在嵌入过程中暂存起来的，采用先进先出、长度为N+1的链表队列表示。

4、根据权利要求1或2所述的JPEG无损压缩图像隐写方法，所述机密数据就是嵌入在预测误差值 $e=x-\hat{x}$ 中，假设嵌入后的预测误差值为e′，则嵌入方法的主要思想是：在e′mod2^h＝d和 $0\&le;e^{\&prime;}+\hat{x}\&le;255$ 的条件下，使得嵌入前后的预测误差e和e′的差值的绝对值最小，即e′＝argmin|e-e′|；其中mod是指模运算，它的运算结果一直为正，对负值e′，相当于e′先加上512后再作模运算；当|m|＝2^h-1时，交替地加上2^h-1或者减去2^h-1，其中m＝d-emod2^h；换言之，对于相同的e值，若前一次加上2^h-1，则下一次减去2^h-1，反之亦然。

5、根据权利要求1所述的JPEG无损压缩图像隐写方法，所述机密数据提取步骤中嵌入数据d的计算公式为：d＝e′mod2^h。

Images